Datawhale干货

作者：孟禹，数据分析师，Datawhale邀约作者

笔者背景介绍：工作5年半，前4年在K12在线教育负责教研和用户转化，21年双减之后跳槽到一家新消费品牌公司做数据分析师，跨了行转了岗。现在进入这个行业一年多了，梳理一下自己的转岗经验，希望能帮助到需要的朋友。

1、都需要掌握哪些技能？

1）excel

• 学习难度：⭐️

• 学习建议：这是必须的，这是最好的数据产品，基本的表格、图形处理要会，数据透视表、VLOOKUP函数要会，其他的函数了解即可（对每个函数有什么用有个大概的印象）。

2）SQL

• 学习难度：⭐️⭐️

• 学习建议：对于数据分析师而言，SQL是从数据库中获取数据的工具，现在的数据量比较大，最好掌握SQL。有一定逻辑思维的同学，1-2天就能学习，学习材料推荐《MySQL必知必会》。推荐把书上的知识点理解一遍，然后用牛客网练习SQL语言，编程语言最重要的是动手操作。

3）BI工具

• 学习难度：⭐️⭐️

• 学习建议：数据展示工具，数据分析师会有很多取数型工具，日报周报月报类数据需求用BI工具呈现效果非常好，省时省力，老板还喜欢。BI工具有很多，国外的推荐Tableau（B站有很多教程），国内的推荐QuickBI（个人版99元一年，比较人性化，推荐使用，FineBI是免费的，刚开始上手也可以用它。

4）概率与统计学

• 学习难度：⭐️⭐️⭐️

• 学习建议：刚转行，了解基本的求和、平均数、计数这些基本就够用，正态分布、条件概率等暂时不用了解，大学学的基本够用。等数据分析入行有一段时间了，再进行。

5）python

• 学习难度：⭐️⭐️⭐️

• 学习建议：研究岗位JD会发现，很多JD写的都是：会python更好。为什么不是必选项呢？因为很多公司的这个岗位需要的技能是：SQL取数 + Excel/BI 数据展示。要求python有两种情况，1）真正需要用python做更深入的分析，如数据挖掘；2）公司数据基础设施太差，导致无法从数据仓库取数，而由于数据量过大无法用excel处理，只能使用python。如果要学习python，重点学习numpy库和pandas库就够用，同样，python作为一门编程语言，要多练习，而不是一直看书。

6）机器学习算法

• 学习难度：⭐️⭐️⭐️⭐️⭐️

• 学习建议：转行的朋友如果时间充裕可以学学，知道决策树、K-means等是用来干啥的。机器学习算法一般有几个用途：分类算法、预测算法、推荐算法。刚开始学习，难度会比较大，极客时间上有一个数据分析的课程，几十块钱，可以买来学习学习。（如果时间有限，可以先跳过算法，这一块需要花的时间还是蛮多的，且业务中真正用到不算多，尤其是基于Python学习的，如果Python不会，那就更没必要了，另外算法相关的各种网红项目练手可以，不要写在简历里面，烂大街了）

7）分析思维

• 学习难度：⭐️⭐️⭐️⭐️⭐️

• 学习建议：这一点对大多数人是最难的，上面的都有明确的学习目标，但分析思维是一个长期锻炼的结果。0基础、转行，暂时不要学习这个软性技能，花了很多时间还不一定能学明白。记住三个词：对比、细分、溯源。对比：数据一定要有对比，比如同比、环比，比如与自己比、与他人比，比如与行业平均水平比；细分：类似于金字塔结构，有了异常的数据，要一步一步往下拆分，找到的原因越细，可解决度越高；溯源：回归源头，数据的统计口径和方式，业务本身的发生逻辑，分析源头有什么不一样。

8）A/B测试

• 学习难度：⭐️⭐️⭐️⭐️

• 学习建议：A/B测试的本质，类似于高中生物的控制变量法，存在多个变量时，让其中一个变量不一样，其他变量全部保持一样。当然，尤其是大厂，要研究的变量有很多很多，在一次测试中，如果测试更多的变量，这会是一个值得研究的问题，不过刚转行时不用太了解这一点。

2、有没有什么相关的学习资料推荐？

1）SQL

• 《SQL必知必会（第4版）》：入门必看，只看这一本就够

• 牛客网SQL练习：看完书后，疯狂地在这上面练习，代码一定要多练习

2）excel

• 《跟秋叶一起学Excel》：这一块的资源比较多，找评分高的看就可以，我当时看了好几本，快速地翻了一遍，大概知道Excel能干什么

• 百度：有问题直接百度搜索，基本都能找到答案

• B站：里面有大量的免费Excel教程

3）python

• 《对比Excel，轻松学习Python数据分析》：类比Excel，更容易理解

• 《深入浅出Pandas：利用Python进行数据处理与分析》：python数据分析最常用的库就是Pandas了，这本书可以当做Pandas教科书，系统地了解Pandas库

• 《高阶python 代码精进之路》：难度较大，入门半年之后再来看这本书，对python理解更深刻，能理解代码效率，这时会发现以前的自己真傻

• 《Python 商业数据挖掘》：难度非常大，涉及到的算法比较多，入门一年之后再来看这本书

4）业务思维

• 《数据分析之道》：知识体系很好，涉及到的知识点比较多，上手有一定的难度，不过作者的讲解还算通俗，吃透了数据分析能力会有比较大的提升

• 《数据化管理》：里面有大量零售行业的案例，零售、电商行业很值得看看，有利于提升业务思维

• 《金字塔原理》/《结构思考力》：很好的提升逻辑思维能力的书籍，不过，逻辑思维看书作用没那么大，要有意识地练习。比如拿到一个问题之后，先问为什么，然后从哪几个方面展开分析，实在不行说话就说：这个问题分3点来考虑，第一点xxx...

• 《精益数据分析》：理解商业逻辑、数据分析方法的好书

• 《商业分析全攻略》：接地气学堂陈老师最新出的书，可以很快了解到商业分析的各个模块，以及基本的分析思路

5）快速上手

• 《猴子数据分析》：适合转行/0基础的朋友看，里面会有一些基础的数据分析知识体系，同时会有电商、金融等不同行业数据分析案例分享，能大概知道每个行业的分析思路

6）公众号推荐

• 接地气学堂：老师人超好，我请教了很多问题，公众号里面有大量数据思维、数据分析思路的案例

• 职场旋风：里面有很多数据分析未来发展的分析，有很多前辈们面试的经验

• 尤而小屋：里面有比较多用python进行数据分析的方法

• python学习与数据挖掘：看名字就知道咯

3、转行数据分析需要考证书吗？

不用，这个岗位最重要的是你是否拥有某些技能，以及你是否具备分析问题的能力。当然，如果你转成功了，初期大概率只有「取数」没有分析，此时要想办法尽快了解整家公司的业务情况、所需数据技能，做成一件事，得到老大和业务的认可，进而拿到更多的资源做事。

4、转岗数据分析难度怎么样？

转行、转岗，一般一次只进行一个，尽量不要选择既转行又转岗，这个难度会大很多。无论是转行还是转岗，都是要说服HR：凭什么你能胜任这个岗位？至于难度，核心在于：盘点清楚目标和自己的优劣势，基于此来制定策略和路径，同时看你有多想做成这件事，如果非常想，你应该会自己招到各种办法达成目标。

5、数据分析师前景怎么样？

刚入行的数据分析师，大概率会是一个取数型的工具人，刚开始先做好工具人，把excel、SQL、python、BI练习的滚瓜烂熟，后面可以去竞争更好的岗位，比如数据产品经理、分析型数据分析师。不过，工具只是基本能力，业务分析能力会是将来自己的核心竞争力。能不能通过数据做出深刻的洞察，是最关键的。

6、从0学习数据分析大概要多久？

看之前的经验，如果是0经验，可能要多花一点时间；如果之前做运营/产品/销售，对业务的理解会比较深，这也会是你的优势，一定不要因为转行把自己的优势给丢了，后续把数据技能短板补齐了，这一块就会爆发出力量（我就是这种类型，相比于其他分析师，我更懂业务，更知道怎么与业务方沟通）。在学习数据分析相关知识时，建议学习了一定的时间后（比如一个月），开始投简历面试，了解市场上都需要什么样的数据分析师，然后再有针对性的准备，以战养战，效率更高。

7、简历制作小tip

1）不要出现「精通xxx」，除非你真的非常非常熟，否则面试官会专门针对这一点对你盘问，而上面提到的任何一项技能，转行的人大概率只是会用，背后的很多原理、玩法都不明白，被盘问就容易露馅，谦虚点，写「熟练使用」；

2）关于项目经验部分，转岗大概率这一块是缺失的，有两种方案：

• 从过往经历中提炼与数据分析相关的项目，做业务大概率也会有与数据相关的版块，站在数据分析的视角去描述项目

• 临时做几个项目，比如市面上的波动分析、可视化看板（深入地去做，哪怕这个项目很简单，也要吃透），但尽量不要选择那些网红项目，被玩烂了，面试官拿到的简历可能都是那几个项目，这就很尴尬（此处的核心原则是，有比没有强，尽量有自己的深入分析和思考）

干货学习，点赞三连↓